问题的由来
昨天有个朋友问我：“15KB的txt文件，大概能装多少中文字？”
我愣了一下。
说实话，作为一个爱折腾的人，我每天都在和文件大小打交道，但从来没认真算过这个问题。15KB听起来很小，但如果是纯文本，好像也能装不少字？
于是我决定算一算。
基础数学
首先，15KB等于多少字节？
15 KB = 15 × 1024 = 15,360 字节 (Bytes)好了，我们有15,360个字节可以用。接下来要看的是：每个中文字占多少字节？
这个问题没有标准答案，因为取决于你用的是什么编码格式。
不同编码的计算
UTF-8（目前最常用）
在UTF-8编码中，一个标准的中文字符通常占用3个字节。
计算：
15,360 ÷ 3 = 5,120 个中文字也就是说，15KB的UTF-8文本，纯中文的话能装5120个字。
这是什么概念呢？
- 一篇普通的高考作文是800字，15KB能装6篇。
- 这篇博客文章大概1500字，15KB能装3篇多。
- 《静夜思》是20个字，15KB能装256首。
GBK/GB2312（老Windows系统常用）
在这种编码中，一个中文字符占用2个字节。
计算：
15,360 ÷ 2 = 7,680 个中文字比UTF-8多了2560个字！这就是为什么老系统里中文文档看起来”更省空间”。
UTF-16/Unicode
UTF-16中，一个中文字符也占用2个字节（加上一点点文件头开销）。
所以和GBK差不多，也是7680个字左右。
但实际情况呢？
上面都是理论值，假设文件里全是纯中文，没有标点、没有数字、没有换行。
但现实中，一篇文章通常包含：
- 标点符号：中文标点占3字节（UTF-8），英文标点占1字节
- 阿拉伯数字：每个占1字节
- 英文字母：每个占1字节
- 换行符：Windows是\r\n（2字节），Linux/Mac是\n（1字节）
- 空格：1字节
所以如果你的15KB文件是中英文混合，或者有大量排版空格，实际的中文字数会比理论值多一些。
一个有趣的对比
| 内容 | 大概字数 | 15KB能装多少 |
|---|---|---|
| 一条微博 | 140字 | 36条 |
| 一条朋友圈 | 1500字 | 3条 |
| 一篇高考作文 | 800字 | 6篇 |
| 《静夜思》 | 20字 | 256首 |
| 《论语》全文 | 约15,000字 | 半个《论语》 |
| 《红楼梦》 | 约730,000字 | 需要950KB |
看到最后一条我突然意识到：原来《红楼梦》用纯文本存的话还不到1MB！
这让我对我硬盘里的那些几GB的”学习资料”产生了深深的怀疑。
编码选择的思考
既然GBK比UTF-8省空间，为什么现在大家都用UTF-8？
因为UTF-8有几个巨大的优势：
- 兼容性好：同时支持中文、英文、日文、emoji等各种字符
- 没有乱码问题：GBK文件在英文系统上打开会乱码
- 互联网标准：网页、API、现代软件都用UTF-8
- 存储不值钱：现在1TB硬盘几百块，那点空间差异可以忽略不计
省下的那点空间，抵不上兼容性带来的麻烦。
延伸思考
既然15KB能装5000多字，那……
- 1MB = 1024KB，能装约34万字
- 1GB = 1024MB，能装约3.5亿字
- 1TB = 1024GB，能装约3584亿字
作为参考：
- 《大英百科全书》约4000万字
- 人类历史上所有出版的书籍加起来估计有1.5亿种，平均每本10万字，就是1500万亿字
所以1TB存不下全人类的书，但存下一家小型图书馆还是没问题的。
写在最后
回到最初的问题：15KB能装多少中文字？
答案是：大约5000到7500字，取决于你用的是什么编码。
下次有人问你这个问题，你可以装作很懂行的样子说：
“看编码格式，UTF-8的话大概五千出头，GBK能到七千多。不过现代环境都用UTF-8，建议按五千来估算。”
然后看着对方懵逼的表情，深藏功与名。
小知识：微信聊天记录导出后，一年的记录通常也就几MB到几十MB。那些说”手机满了存不下聊天记录”的人，可能是在找借口。